利用多个人工智能赋能的智能反射面实现超可靠室内毫米波通信
网络与互联网体系结构
2021-08-20 v2 机器学习
摘要
本文提出一种利用多个人工智能（AI）赋能的可重构智能反射面（RIS）来保证超可靠毫米波（mmW）通信的新框架。使用多个 AI 赋能的 RIS 可改变由毫米波接入点（AP）发射信号的传播方向，从而改善覆盖，尤其针对非视距（NLoS）区域。然而，由于毫米波链路存在高度随机的阻塞可能，设计智能控制器以联合优化毫米波 AP 波束与 RIS 相移是一项艰巨任务。对此，首先提出参数化风险敏感片段回报，以最大化期望比特率并缓解毫米波链路阻塞风险。随后，解析推导出该风险敏感片段回报的策略梯度闭式近似。接着，将毫米波 AP 波束赋形与毫米波 RIS 相移控制问题建模为协作多智能体环境下的同收益随机博弈，其中智能体为毫米波 AP 与各个 RIS。提出两种集中式与分布式控制器来控制毫米波 AP 与 RIS 的策略。为直接求得最优解，采用深度循环神经网络（RNN）对这些控制器的参数化函数形式策略建模。仿真结果表明，最优控制器与基于 RNN 的控制器间策略误差小于 1.5%。此外，基于深度 RNN 的控制器所得可达速率的方差比较风险规避基线低 60%。
引用
@article{arxiv.2104.00075,
title = {Ultra-Reliable Indoor Millimeter Wave Communications using Multiple Artificial Intelligence-Powered Intelligent Surfaces},
author = {Mehdi Naderi Soorki and Walid Saad and Mehdi Bennis and Choong Seon Hong},
journal= {arXiv preprint arXiv:2104.00075},
year = {2021}
}